文本处理-每两行用逗号连接

35

我的文件中有1000多行。该文件开始如下（添加行号）：

Station Name
Station Code
A N DEV NAGAR
ACND
ABHAIPUR
AHA
ABOHAR
ABS
ABU ROAD
ABR

我需要将其转换为文件，并通过每两行连接以逗号分隔的条目。最终数据应如下所示

Station Name,Station Code
A N DEV NAGAR,ACND
ABHAIPUR,AHA
ABOHAR,ABS
ABU ROAD,ABR
...

我正在尝试的是-尝试编写Shell脚本，然后echo在两者之间加逗号。但我想更简单有效的一行将在这里做的工作可能在sed/ awk。

有任何想法吗？

text-processing paste

— mtk
source

@ l0b0您编辑了OP的注释，即行号“仅用于解释” ...

— jasonwryan 2012年

@jasonwryan抱歉，我认为这些行可以解释。在0行解析错误

— l0b0

stackoverflow.com/questions/9605232/merge-two-lines-into-one

— Ciro Santilli新疆改造中心法轮功六四事件

39

只需使用cat（如果您喜欢猫;-)）和paste：

cat file.in | paste -d, - - > file.out

说明：paste从多个文件中读取并粘贴相应的行（第一个文件的第1行与第二个文件的第1行，等等）：

paste file1 file2 ...

除了文件名，我们可以使用-（破折号）。paste从file1（它是stdin）获取第一行。然后，它想从file2（也是stdin）读取第一行。但是，由于已经读入并处理了stdin的第一行，所以现在等待输入流的是stdin 的第二行，它很paste高兴地粘在第一行上。该-d选项将分隔符设置为逗号而不是制表符。

或者，做

cat file.in | sed "N;s/\n/,/" > file.out

PS是的，可以简化以上内容

< file.in sed "N;s/\n/,/" > file.out

要么

< file.in paste -d, - - > file.out

优点是不使用cat。

但是，出于清晰的原因，我没有故意使用此惯用语-它不太冗长，我喜欢cat（CATS ARE NICE）。所以请不要编辑。

另外，如果您喜欢粘贴而不是cats（paste是将文件水平连接的命令，而cat是垂直连接文件的命令），则可以使用：

paste file.in | paste -d, - -

— 一月
source

再说一遍。行号不是文件的一部分:)

— mtk 2012年

该paste 命令非常有效，请您提供一些解释。连字符???

— mtk 2012年

2

连字符表示“从stdin读取”。如果重复相同的输入源，那么粘贴知道每行输出要多次读取它。

— dubiousjim 2012年

@sch：很酷的编辑，我不会碰它的：-)

— 1

1

关于你的cat论点。难道sed "N;s/\n/,/" file.in > file.out不行？

— 伯恩哈德（Bernhard）2012年

8

如果有人登陆这里希望将所有行合并为一个CSV班轮，请尝试

cat file | tr '\n' ','

— 达伦·韦伯
source

3

sed 'N;s/\n/,/' file

使用sed，每两行加入一次（N），并将换行符（\ n）替换为“，”。

— 古鲁
source

3

paste -sd ',\n' file.in > file.out

还要注意，因为我们只是将一个字符替换为另一个字符（其他每个换行符都用逗号替换），所以我们可以就地处理输入文件：

paste -sd ',\n' file.in 1<> file.in

（但是请注意，它可能无法在某些具有CRLF终结符（例如Microsoft终结符）的非Unix系统上运行，某些仿真的POSIX paste可能会以非Unix方式对待终结符）

— StéphaneChazelas
source

这1是在做什么1<>？那是错字吗？

— αғsнιη

@αғsнιη，看到这个

— iruvar，

@iruvar谢谢

— αғsнιη

2

这是使用纯Bash的单行代码（尽管可能有数百万条命令运行）：

(IFS=; while read -r name; do read -r code; printf '%s\n" "$name,$code"; done < file.in) > file.out

我使用了一个subshell（寄生），因此不必存储和恢复IFS。如果源是源，那么应该采取另一种措施以免弄乱用户环境。另一种方法是通过新的IFS只能read在IFS= read -r name，IFS= read -r code。

循环中的所有命令都内置在Shell中的事实使它的性能可以接受，甚至比其他针对小文件的解决方案还快。但是许多人会认为这是一种不好的做法，将其推广到其他任何事物时都应该小心。

— 已删除
source

通常，是使用子外壳来本地化环境更改。但是在这种情况下，它是不需要的：您可以改为做while IFS='\n' read -r name; do IFS='\n' read -r code ... done < file.in，这是我在Shell脚本中经常看到的一个习惯用法。该-r标志read的装置“解释随后STDIN流中的字符‘n’个为两个字符，而不是作为一个新行的字符‘\’。” 可以说，与重复创建相比，在创建子外壳时可能更美观IFS='\n'。

— dubiousjim 2012年

@dubiousjim：从-r技术上改进了解决方案。大！我不喜欢通过IFS两次更改的想法。如果我读过一次，超级好，但没有两次。当然，这是见仁见智。我会说，使用subshell有点不了解Bash的一般知识，因此很多人都难以理解其目的。那是一件坏事。

— 2012年

2

对于完整的答案，可能的awk解决方案可能是：

awk 'NR%2==1 {printf $0","} NR%2==0 { print $0}' *file*

— 伯恩哈德
source

@downvoter：我的答案到底该怎么办？如何改善？

— 伯恩哈德（Bernhard）2012年

也许是因为偷懒printf？当工作站名称包含格式说明符时，在极少数情况下将失败。（有关示例，请参见pastebin.com/wgxFttrJ。）但这只是一个猜测，反对派不是我的。

— manatwork，2012年

1

awk惯用的成语老栗子

awk '{ORS=NR%2?",":"\n";print}' file
Station Name,Station Code
A N DEV NAGAR,ACND
ABHAIPUR,AHA
ABOHAR,ABS
ABU ROAD,ABR

— 伊鲁瓦
source

awk '{ORS=NR%2?",":"\n"};1'更短更成语

— cuonglm

@cuonglm，我对此表示怀疑。在这种情况下，尽管存在print且意图很明确，但它仍然是单线的。1对awk像我这样的老手也很清楚，但我更喜欢print

— iruvar

这是我发现的第一个简单的解决方案，可以轻松地将其配置为2条以上的线路。sed在搜索之前，我与之作战了一段时间，但awk使每4行的合并变得更加容易。救了我一趟$EDITOR！

— opello

0

也可以用perl，

perl -pe 's/^\d+\.\s+//;$.&1?chomp:print","' file

— 雏菊
source

0

例如：

seq 0 70 | xargs -L 2 | sed 's/ /,/g'

输出：（注意： xargs -L number_of_columns大多数列数都能很好地工作，而不仅仅是每两行）

— 蒙施
source

0

POSIX解决方案pr：

pr -2 -a -t -s, file

http://pubs.opengroup.org/onlinepubs/9699919799/utilities/pr.html

— 史蒂文·潘尼
source